python - 基于列名的 Pandas 中多列的不同聚合

Question

我有一个大 Pandas 数据框，我想以不同的方式聚合列。我有 24 列(一天中的几个小时)，我想总结一下，对于所有其他人，只取最大值。
我知道我可以手动编写所需的条件，如下所示:

df_agg = df.groupby('user_id').agg({'hour_0':'sum', 
                                    'hour_1':'sum',
                                    .
                                    .
                                     'hour_24':'sum',
                                    'all other columns': 'max'}
 )

但我想知道是否存在优雅的解决方案:

df_agg = df.groupby('user_id').agg({'hour_*':'sum', 
                                    'all other columns != hour_*': 'max'}

Answer 1

您可以使用 hour 按所有列生成字典，将所有其他列添加到另一个字典，合并它们并最后传递给 agg :

c1 = df.columns[df.columns.str.startswith('hour')].tolist()
#also excluded user_id column for avoid `max` aggregation
c2 = df.columns.difference(c1 + ['user_id'])
#https://stackoverflow.com/a/26853961
d = {**dict.fromkeys(c1, 'sum'), **dict.fromkeys(c2, 'max')}

df_agg = df.groupby('user_id').agg(d)

或者您可以使用 2 次 groupby与 concat :

df_agg = pd.concat([df.groupby('user_id')[c1].sum(), 
                    df.groupby('user_id')[c2].max()], axis=1)